May, 2024
空间自回归模型的迁移学习
Transfer Learning for Spatial Autoregressive Models
Hao Zeng, Wei Zhong, Xingbai Xu
TL;DR本文提出了一种新的转移学习框架，借助相似的源数据改善空间自相关模型的估计和预测精度，包括一个转移阶段和一个去偏阶段的两阶段算法用于估计未知参数，并建立了相应估计器的理论收敛速度；如果不知道哪些源数据需要转移，提出了一种基于空间残差自助法的可转移源数据检测算法以保留必要的空间依赖性，并得出了其检测一致性。通过仿真实验表明，使用具有信息的源数据，该转移学习算法显著提高了经典的两阶段最小二乘估计器的性能。在实证应用中，我们将该方法应用于 2020 年美国总统选举中摇摆州的选举预测，利用 2016 年美国总统选举的民意调查数据以及其他人口和地理数据。实证结果表明我们的方法优于传统估计方法。